目录
前言
图像标注常用来制造自己的数据集,方便进行学习,比较常用的图像标注软件有Vott、labelImg、labelme,labelTool、sloth等等
一、计算机视觉四大任务?
1.图像分类(Image Classification):
是什么?对给定的图片或视频判断其中包括了什么类别的目标。
2.目标定位(Object Location):
在哪里?定位出目标的位置
3.目标检测(Object Detection):
判断图片中目标是什么,分别在哪里?定位出目标的位置,用矩形框框住,判断是什么。
4.语义分割(Semantic Segmentation):
通常意义下的目标分割就是语义分割,需要区分到图中的像素点,而不仅仅是使用矩形框框住目标。判断每一个像素属于那个目标物或者这场景。
二、常用标注软件
1.vott
1.1下载与安装
下载:
1.官方Github
2.realse提供的编译好的可执行文件
1.2.入门基本使用
1.2.1.准备工作:
- 待标注的视频或者图像放在一个文件夹中
- 新建一个目录,用于存放项目信息以及项目结果
1.2.2.新建项目
需要填写的信息:
- Display Name:自己的项目名称
- Security Tokken:默认
- Source Connection:待标注图像/视频路径
- Target Connection:标注结果存放路径
- Description:项目描述
- Video Setting:视频帧率
- Tags:待标注的标签列表(可以在标注时添加)
1.2.3.connection
connection就是数据的路径,Vott中提供了三种分类:Azure Blob Storage、Bin Image Search、Local File System,一般选择Local File System即可。然后填写名称,提供文件路径即可。
connection在左侧菜单栏可以直接进入
1.2.4.标注bbox
- 选择图像/视频帧
- 画框
- 设置标签
选择左侧的图像/视频帧,使用矩形画框工具画框,然后选择对用的标签即可,在选取/删除选框、设置/删除标签后,会制动保存。除了使用矩形框之外,还可使用多边形选点来进行标记。
画框时可以采用内置的SSD模型自动获取bbox(左侧菜单栏的帽子图标),精度不是很高,但是也可以节省力气。
1.2.5.导出标注结果
- 在标注页面,可将结果快速导出
- 具体设置
- provider:导出数据形式,有六种
- 导出数据:
- All Asset:所有数据
- Only Visited Assets:仅浏览数据
- Only tagged Assets:仅标注数据
- Include Images:导出数据是否包含图像
- 导出结果(JSON以及CSV)
2.labelImg
labelImg是可视化的图像标注工具,可以标注图像中的目标,生成XML、JSON、txt格式的文件
2.1.下载与安装
- 安装环境:Windows+Anaconda
- 安装:
- 在GitHub下载压缩包,解压缩;
- 打开Anaconda Prompt然后跳转到安装包下载的目录下,即labelImg-master文件夹,
然后执行以下命令 :
conda install pyqt=5
pyrcc5 -o libs/resources.py resources.qrc
python labelImg.py
打开后的界面如下所示:
2.2.入门基本使用
- 左侧菜单栏功能
- Open:打开单张图像
- Open Dir:打开文件夹
- Change Save Dir:保存文件路径
- Next Image:下一张图像
- Prev Image:上一张图像
- vertify Image:校验图像
- Create RectBox:画标注框
- Duplicate RectBox:复制标注框
- Delete RectBox:删除标注框
- Zoom In/Out:放大/缩小图像
- Fit Window/Width:适应窗口/宽度
- 快捷键
- 图像标注
选中待标注图像的文件夹,在图像上点击w或者Create RectBox创建矩形框,选中区域,添加标签,保存即可。
- labelImg左侧菜单栏选择文件保存格式
在左侧菜单栏文件保存格式可以选择Yolo、CreatXML、PascalVoc三种,分别对应txt、XML、JSON三种数据格式。另外,在顶部的菜单栏选择view,然后勾选Auto Save Mode,可以在每张图像添加标签后自动保存,不再需要自己手动保存。
3.labelme
3.1.下载与安装
- 安装环境:Windows+Anaconda
- 安装:
- 打开 Anaconda + Prompt,依次运行以下命令
conda create --name=labelme python=3.6
source activate labelme
pip install pyqt5
pip install labelme
conda install pillow=4.0.0
执行完这几个语句后,在该窗口输入labelme即可打开该工具,打开界面如下:
- 另外,labelme还发布了预编译版本,下载之后直接运行就可以使用。
3.2.入门基本使用
labelme的具体使用与上述的labelImg类似,就不再赘述。不过与labelImg相比,labelme除了矩形框之外,还可以使用圆形框,多边形框,点,线等来对图像进行标注,用于目标检测、图像分割等任务;可以对图像进行flag形式的标注,用于图像分类和清理任务。各个功能的在GitHub有具体实现的用法。
与labelImg相比,labelme标注工具更加丰富,更加灵活,可以适用于更多任务。